Q-learning學習的一個小例子

強化學習的難點，在於其引入了時間這個維度，不論是有監督仍是無監督學習，都是能得到即便反饋，但到了強化學習中，反饋來的沒那麼及時。在周志華的《機器學習》中，舉過一個種西瓜的例子。種瓜有不少步驟，例如選種，澆水，施肥，除草，殺蟲這麼多操做以後最終才能收穫西瓜。可是，咱們只有等到西瓜收穫以後，才知道種的瓜好很差，也就是說，咱們在種瓜過程當中執行的某個操做時，並不能當即得到這個操做能不能得到好瓜，僅能獲得

>>阅读原文<<